针对传统四旋翼PID控制器参数整定困难和控制效果较难达到最优的问题, 综合了传统PID控制器工程意义明确、参数整定简单以及神经网络的非线性映射和自学习的优点, 构造了四旋翼飞行器神经网络PID(PIDNN)控制器。利用神经网络的非线性映射特点和自学习能力优化了传统PID控制器的控制效果, 借助PID控制器的结构, 解决了神经网络层数、节点数和连接权重初值选取困难的问题。同时利用自适应调整比例神经元加权系数, 增加了系统的响应速度。最后, 通过非线性全数值仿真验证了算法的合理性和有效性。
四旋翼 控制器 神经网络 自适应 quadrotor controller neural network PIDNN PIDNN adaptive
针对空间光通信中跟踪系统的高精度、宽带宽要求,提出了一种基于PID神经元网络(Proportional integral differential neural network-PIDNN)的控制方案。采用MATLAB对所建立的跟踪系统模型进行了仿真分析研究,对采用PIDNN控制器的精跟踪系统的在线训练能力及学习、调整功能进行了仿真验证,同时加入扰动源对精跟踪系统的稳态、动态性能及鲁棒性进行了仿真测试。仿真和测试结果表明:通过PIDNN控制的精跟踪系统具有良好的稳态及动态性能和很强的鲁棒性,系统跟踪精度高且系统带宽较宽。
捕捉、跟踪、瞄准 精跟踪 比例微分积分神经元网络 MATLAB仿真 ATP fine tracking PIDNN MATLAB
